Přenosové učení s LDA Topic Model
Přenosové učení s LDA Topic Model aplikuje znalosti z dobře prostudované zdrojové domény k řízení inference Latent Dirichlet Allocation na cílové doméně s nedostatkem dat. Vkládáním předchozích informací odvozených ze zdroje do Dirichletových hyperparametrů metoda produkuje koherentní, doménově relevantní témata i při omezeném textu z cílové domény, čímž snižuje objem označených nebo neoznačených dat potřebných pro smysluplné výsledky.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Chen, Z., Mukherjee, A., Liu, B., Hsu, M., Malas, M., & Wang, S. (2013). Leveraging multi-domain prior knowledge in topic models. In Proceedings of the Twenty-Third International Joint Conference on Artificial Intelligence (IJCAI-13), pp. 2071–2077. link ↗
- Blei, D. M., Ng, A. Y., & Jordan, M. I. (2003). Latent Dirichlet Allocation. Journal of Machine Learning Research, 3, 993–1022. link ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Transfer Learning with Latent Dirichlet Allocation Topic Model. ScholarGate. https://scholargate.app/cs/deep-learning/transfer-learning-with-lda-topic-model
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Jemně doladěný tematický model LDAHluboké učení↔ compare
- Model témat LDAHluboké učení↔ compare
- Modelování tématHluboké učení↔ compare
- Přenosové učení s NMF topic modelHluboké učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →